[发明专利]语音合成方法及装置

说明书

本发明实施例提供一种语音合成方法及装置。所述方法包括：检测到待合成语音中包括未登录词，根据预设算法，确定预设词典中与所述未登录词的相似度最高的目标候选词；所述相似度包括字面相似度以及语义相似度；将所述目标候选词替代所述未登录词，进行语音合成。本发明解决了未登录词无法进行语音合成的问题，且不需要扩大TTS语料库，不会增加TTS神经网络的训练复杂度、解码复杂度；且相似度包括字面相似度以及语义相似度，通过两个维度筛选与未登录词相似的目标候选词，确保目标候选词替代未登录词的准确性。

技术领域

本发明实施例涉及信息处理技术领域，尤其涉及一种语音合成方法及装置。

背景技术

语音合成技术(Text To Speech，TTS)是通过机械的或电子的方法产生人造语音的技术。目前，TTS在日常工作生活中已经得到了广泛的应用，比如较为常见的基于隐马尔科夫模型(Hidden Markov Model，HMM)的统计语音合成技术，通过对模型参数的调整达到声音转换的目的，其合成效果较好；而另一方面，用户对语音合成系统的要求也越来越高，比如HMM合成声音仍然存在声音过于平滑、沉闷、缺乏细节以及自然度不高等影响音质的问题。

为了满足用户的使用需求，研发人员提出例如一种在非监督数据上建立多层神经网络，即深度神经网络的有效方法，掀起了机器学习和神经网络等相关研究的一轮热潮。深度神经网络与语音处理技术的结合也开始被研发人员广泛尝试，并在语音合成方面取得了突破性进展。比如，应运而生的一种端到端语音合成系统，该系统可以接收字符的输入，输出相应的原始语谱图，然后将其提供给Griffin-Lim重建算法(大词汇连续语音识别中常用的一种语言模型)直接生产语音。

然而，由于中央处理器(Central Processing Unit，CPU)内存和计算时间的限制，TTS语料库只能维持通过常用语进行常用语的合成，对于一些未登录词(out ofvocabulary，OOV)，即没有被收录在分词词表中但必须切分出来的词，合成时通常无法进行合成，只能合成为噪音。而且，随着互联网技术的快速发展，语音合成时不可避免的遇到越来越多的OOV。目前，解决该问题的方式多是扩大TTS语料库，但是TTS神经网络的训练复杂度、解码复杂度很大程度上依赖语料库的大小，语料库增大则复杂度将迅速膨胀。不利于语音合成的进行。

发明内容

本发明实施例提供一种语音合成方法及装置，用以解决现有技术中TTS无法进行未登录词的合成的问题。

一方面，本发明实施例提供一种语音合成方法，所述方法包括：

检测到待合成语音中包括未登录词，根据预设算法，确定预设词典中与所述未登录词的相似度最高的目标候选词；所述相似度包括字面相似度以及语义相似度；

将所述目标候选词替代所述未登录词，进行语音合成。

另一方面，本发明实施例提供一种语音合成装置，所述装置包括：

检测模块，用于检测到待合成语音中包括未登录词，根据预设算法，确定预设词典中与所述未登录词的相似度最高的目标候选词；所述相似度包括字面相似度以及语义相似度；

合成模块，用于将所述目标候选词替代所述未登录词，进行语音合成。另一方面，本发明实施例还提供了一种电子设备，包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述语音合成方法中的步骤。

再一方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述语音合成方法中的步骤。